Sebelum kita bicarakan uji normalitas berikut kita perhatikan gambar kurva distribusi normal
berikut ini :
Luas daerah di bawah kurva normal adalah 1 satuan, luas daerah yang diarsir (warna hitam
adalah 50% dari luas keseluruhan (0,5).
Dalam tabel-z, terlihat bahwa luas dari 0 (lihat kurva normal standart) ke 3 (sebelah kanan)
adalah 0,5000 (atau 0,5).
1. Nilai mean, median (nilai tengah) dan modus (puncak) adalah sama/berhimpit.
2. Sebagian besar data terletak di bagian tengah kurva, dan hanya sebagian kecil data yang
terletak pada kedua ujung kurva.
3. Kurvanya simetris, berbentuk lonceng yang terbagi menjadi 2 bagian sama besar
(simetris).
4. Luas daerah yang terletak dibawah kurva dan diatas garis mendatar = 1
Keterangan :
Signifikansi Uji Lilliefors
Signifikansi uji, nilai | F(Z) – S(Z) | terbesar dibandingkan dengan nilai tabel Lilliefors.
Jika nilai | F(Z) – S(Z) | terbesar < nilai tabel Lilliefors, maka Ho diterima ; Ha ditolak.
Jika nilai | F(Z) – S(Z) | terbesar > dari nilai tabel Lilliefors, maka Ho ditolak ; Ha diterima.
Hipotesis Lilliefors:
X X i− X
Zi=
N i s F(Z) S(Z) |F(Z)-S(Z)|
4
1 0 -1,64 0,0505 0,05 0,0003
4
2 3 -1,47 0,0708 0,10 0,0289
4
3 7 -1,24 0,1075 0,15 0,0417
5
4 0 -1,06 0,1446 0,20 0,0558
5
5 2 -0,95 0,1711 0,25 0,0778
5
6 5 -0,77 0,2206 0,30 0,0794
5
7 8 -0,60 0,2743 0,35 0,0749
6
8 1 -0,42 0,3372 0,40 0,0640
6
9 4 -0,25 0,4013 0,45 0,0485
1 6 -0,08 0,4681 0,50 0,0301
0 7
1 7
1 0 0,10 0,5398 0,55 0,0107
1 7
2 3 0,27 0,6064 0,60 0,0074
1 7
3 4 0,33 0,6293 0,65 0,0205
1 8
4 0 0,68 0,7517 0,70 0,0513
1 8
5 3 0,85 0,8023 0,75 0,0531
1 8
6 5 0,97 0,8340 0,80 0,0336
1 8
7 6 1,03 0,8485 0,85 0,0023
1 9
8 1 1,32 0,9066 0,90 0,0060
1 9
9 2 1,37 0,9162 0,95 0,0346
2 9
0 5 1,55 0,9394 1,00 0,0607
Nilai F (Z) didapat dari banyaknya nilai Z sampai dengan nomor 10 dibagi n (=20)
F( Z )=Luas di bawah kurva normal dari dari kiri sampai ke Z i=−0. 08
sama dengan luas kurva normal di atas Z = 0 . 08=0. 500 − 0 . 0319=0 . 4681
74−68 .3
Zi= =0 .33
17 .23552 (contoh baris 13)
F( Z )=0. 5+0 . 1293=0 . 6293
banyaknya Z≤Z i
S (Z i )=
n
10
S (Z )= =0 .5
20 (contoh baris 10, ada 10 buah nilai Z Zi )
Bilangan yang terbesar di antara nilai selisih adalah 0,0794, maka L0 = 0.0794 dan L0 tabel
(α,n) = L0(0,05;20) = 0,190
Nilai L0 di atas dibandingkan dengan Tabel Nilai Kritis Untuk Uji Liliefors, sebagai berikut :
karena L0 = 0.0794 < 0.190, maka H0 diterima. Ini berarti data di atas dapat dianggap
berasal dari populasi normal.
Signifikansi
Jika nilai uji χ2 < nilai χ2tabel maka data tersebut berdistribusi normal, H0 diterima Ha ditolak.
Jika nilai uji χ2 > nilai χ2tabel maka data tersebut tidak berdistribusi normal, H0 ditolak Ha
diterima.
Penyelesaian :
1. Susun data tersebut dalam tabel distribusi frekuensi berkelompok sebagai berikut :
Distribusi Frekuensi
40 – 50 4
51 – 61 4
62 – 72 3
73 – 83 4
84 – 94 4
95 – 105 1
X = 68.3
Standar Deviasi = 17.23552
2. Menentukan batas bawah tiap kelas kelas interval dan nilai standarnya. Nilai standar (z)
xi −x
z i=
dihitung dengan rumus : s , sehingga terlihat pada tabel berikut :
Gunakan Tabel Z untuk mencari luas diantara dua nilai Z
Batas Bawah Z Luas tiap Ei Oi (Oi - Ei)2 (Oi - Ei)2/Ei
Kelas batas interval
39,5 -1,70 0.1000 2.0 4.00
0
50,5 -1,06 0.1926 3.8 4.00
5
61,5 -0,42 0.2499 5.0 3.00
0
72,5 0,22 0.2207 4.4 4.00
1
83,5 0,87 0.1267 2.5 4.00
3
94,5 1,51 0.0497 0.9 1.00
9
3.687109
Keterangan :
Ei = Nilai harapan, banyaknya data dikalikan dengan luas tiap batas interval
Oi = nilai frekuensi dari tabel
2
k
(O i−E i )2
χ =∑
3. Menghitung Chi-Kuadrat dengan rumus : i=1 Ei
4. Dengan derajat kebebasan (k-3)= 11-3= 8 , taraf signifikansi 5%, didapat dalam tabel
2
χ (0 . 95)( 8 )=15 . 51
5. Karena χ 2hitung =3 .687109< χ 2tabel =15 .51 , maka H0 diterima dan menunjukkan bahwa
data berdistribusi normal.
c. Uji Kolmogorov Smirnov
Uji suatu sampel Kolmogorov Smirnov mencakup perhitungan distribusi frekuensi komulatif
yang akan terjadi di bawah distribusi teoritisnya, serta membandingkan distribusi frekuensi
itu dengan distribusi frekuensi komulatif hasil observasi (Siegel, 1997: 59).
Syarat Kolmogorov Smirnov
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupun n kecil.
Signifikansi uji, nilai |FT – FS| terbesar dibandingkan dengan nilai tabel Kolmogorov
Smirnov.
Jika nilai |FT – FS| terbesar <nilai tabel Kolmogorov Smirnov, maka Ho diterima ; Ha ditolak.
Jika nilai |FT – FS| terbesar > nilai tabel Kolmogorov Smirnov, maka Ho ditolak ; Ha
diterima.
Contoh Uji Normalitas dengan Kolmogorov Smirnov
Suatu penelitian tentang berat badan mahasiswa yang mengijkuti pelatihan kebugaran
fisik/jasmani dengan sampel sebanyak 27 orang diambil secara random, didapatkan data
sebagai berikut ; 78, 78, 95, 90, 78, 80, 82, 77, 72, 84, 68, 67, 87, 78, 77, 88, 97, 89, 97, 98,
70, 72, 70, 69, 67, 90, 97 kg. Selidikilah dengan α = 5%, apakah data tersebut di atas diambil
dari populasi yang berdistribusi normal ?
Penyelesaian :
1. Hipotesis
2. Nilai α
3. Statistik Penguji
Keterangan :
Xi = Angka pada data
Z = Transformasi dari angka ke notasi pada distribusi normal
FT = Probabilitas komulatif normal
FS = Probabilitas komulatif empiris
4. Derajat bebas
Df tidak diperlukan
5. Nilai tabel
7. Kesimpulan
Metode Shapiro Wilk menggunakan data dasar yang belum diolah dalam tabel distribusi
frekuensi. Data diurut, kemudian dibagi dalam dua kelompok untuk dikonversi dalam
Shapiro Wilk. Dapat juga dilanjutkan transformasi dalam nilai Z untuk dapat dihitung luasan
kurva normal. Begitulah kira-kira cara memahami metode dalam perhitungan Uji Shapiro.
k 2
T 3=
1
D [∑
i=1
a i (X n−i+1 −X i ) ]
Keterangan :
n
D=∑ ( X i – X ¿ )2 ¿
i=1
T 3 – dn
G=bn +c n +ln ( 1−T 3 )
Keterangan :
Signifikansi
Signifikansi dibandingkan dengan tabel Shapiro Wilk. Signifikansi uji nilai T 3 dibandingkan
dengan nilai tabel Shapiro W, untuk dilihat posisi nilai probabilitasnya (p).
Berdasarkan data usia sebagian balita yang diambil sampel secara random dari posyandu
Mekar Sari Wetan sebanyak 24 balita, didapatkan data sebagai berikut : 58, 36, 24, 23, 19,
36, 58, 34, 33, 56, 33, 26, 46, 41, 40, 37, 36, 35, 18, 55, 48, 32, 30 27 bulan. Selidikilah data
usia balita tersebut, apakah data tersebut diambil dari populasi yang berdistribusi normal pada
α = 5% ?
Penyelesaian :
1. Hipotesis
2. Nilai α
No. Xi X i −X ( X ¿ ¿i− X )2 ¿
1. 18 -18.7083 350.0005
2. 19 -17.7083 313.5839
3. 23 -13.7083 187.9175
4. 24 -12.7083 161.5009
5. 26 -10.7083 114.6677
6. 27 -9.7083 94.25109
7. 30 -6.7083 45.00129
8. 32 -4.7083 22.16809
9. 33 -3.7083 13.75149
10. 33 -3.7083 13.75149
11. 34 -2.7083 7.334889
12. 35 -1.7083 2.918289
13. 36 -0.7083 0.501689
14. 36 -0.7083 0.501689
15. 36 -0.7083 0.501689
16. 37 0.2917 0.085089
17. 40 3.2917 10.83529
18. 41 4.2917 18.41869
19. 46 9.2917 86.33569
20. 48 11.2917 127.5025
21. 55 18.2917 334.5863
22. 56 19.2917 372.1697
23. 58 21.2917 453.3365
24. 58 21.2917 453.3365
Jumlah 3184.958
T 3=
1
D [∑
i=1
]
a i (X n−i+1 −X i )
1
¿ ( 54.6894 )2
3187.958
¿ 0.9391
4. Derajat bebas
Db = n
5. Nilai tabel
Pada tabel Saphiro Wilk dapat dilihat, nilai α (0,10) = 0,930 ; nilai α (0,50) = 0,963
6. Daerah penolakan
Nilai T3 terletak diantara 0,930 dan 0,963, atau nilai p hitung terletak diantara 0,10
dan 0,50, yang diatas nilai α (0,05) berarti H0 diterima, Ha ditolak
7. Kesimpulan
Sampel diambil dari populasi normal, pada α = 0,05. Cara lain setelah nilai T3
diketahui dapat menggunakan rumus G, yaitu :
T 3 – dn
G=bn +c n +ln ( 1−T 3 )
T 3 – d 24
¿ b24 + c24 + ln ( 1−T 3 )
¿−5.605+1.862+ ln ( 0.9391−0.2106
1−0.9391 )
¿−1.2617
Hasil nilai G merupakan nilai Z pada distribusi normal, yang selanjutnya dicari nilai proporsi
(p) luasan pada tabel distribusi normal. Berdasarkan nilai G = -1,2617, maka nilai proporsi
luasan = 0,1038. Nilai p tersebut di atas nilai α = 0,05 berarti H 0 diterima Ha ditolak. Data
benar-benar diambil dari populasi normal.
Untuk melihat apakah data berdistribusi normal atau tidak juga dapat dilihat melalui grafik,
grafik yang digunakan adalah grafik Normal Q-Q Plot dan Detrended Normal Q-Q Plot,
contohnya seperti berikut :
Pada grafik , data menyebar dekat dengan garis lurus, dan data mengikuti ke kanan atas. Ini
menunjukkan data mengikuti distribusi normal.
Pada grafik di atas tidak membentuk pola tertentu dan menyebar di sekitar garis titik nol.
Dengan tidak adanya sebuah pola tertentu, maka bisa dikatakan distribusi data adalah
normal.
Data menjauhi garis lurus, walaupun mengarah ke kanan atas. Hal ini menunjukkan bahwa
data tidak berdistribusi normal.
Datanya membentuk pola tertentu menyebar di sekitar garis titik nol, yakni menurun, naik
dan menurun. Dengan adanya pola tertentu, maka bisa dikatakan distribusi data tidak normal.
Daftar pustaka
Anonim. “ UJI ASUMSI KLASIK (Uji Normalitas) ”. Malang : Universitas Islam Malang.
http://fe.unisma.ac.id/MATERI%20AJAR%20DOSEN/EKOMETRIK/AriRiz/MA%20Uji
%20Normalitas.pdf. Diakses pada 28 September 2019 pukul 19.20.